基于自适应遗传算法求解装箱问题

针对遗传算法在求解复杂优化问题时收敛速度慢,易陷入局部最优的不足,对标准遗传算法进行改进,将交叉概率和变异概率进行自适应调节,再结合移民策略,提出可自适应调节参数的改进遗传算法,应用该算法对装箱问题进行相应研究。     

求解JSP问题的一种自适应遗传算法

该文在对车间调度问题进行描述的基础上,提出了一种新的自适应遗传算法,并将其应用于JSP问题.     

求解装箱问题的一种模拟退火算法

装箱问题在现实生活中具有广泛的应用,如作业调度、最优任务分配等,是一个NP完全问题。针对一维装箱问题,提出了基于首次适应(FF)近似算法和模拟退火算法相结合的一种模拟退火算法,给出了具体的算法描述。实验结果分析表明,该算法是高效可行的。     

运用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,文章在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法试验结果的对比表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。     

基于遗传算法的自适应控制系统

为了得到高品质的系统输出,提出了基于遗传算法的自适应控制系统的设计方法。以自适应控制器的每个控制量、状态参数、输出量等作为基因,在问题的状态空间内进行并行的启发式优化搜索,根据这些基因构成的染色体估计系统输出量。这种方法适用于非线性动态系统中多参数、多约束条件的最优控制。     

基于小生境的自适应多目标遗传算法求解流水车间调度问题

流水车间调度问题属于NP完全问题。为了更高效地求解多目标流水车间调度这一问题,提出了一种新的混合多目标遗传算法,采用小生境技术、双重精英策略及非劣解局部搜索,并且可根据适应度来自动调节交叉和变异概率。实验表明,该算法具有更快的收敛速度和优化效果。     

基于自适应蚁群算法的旅行商问题的求解

提出一种解决旅行商问题的改进自适应蚁群算法.在传统蚁群算法的基础上,引入自适应算法进行种群初始化;从对选择策略的改进、蚁群信息量的全局修正和引入变异三个方面实现遗传参数自适应调节,在加快寻优速度的同时防止寻优陷入局部最优;采用基于贪婪方法的启发式交叉算子优化交叉结果;对交叉前后的种群分别实施精英个体保留策略,保证最优基因结构得以延续.实验结果分析表明,改进的遗传算法可以在种群规模较小的情况下具有更可靠的寻优能力.     

多种群自适应模拟退火遗传算法求解TSP问题

TSP问题是一个具有广泛应用背景和重要理论价值的组合优化NP难题。遗传算法是求解NP完全问题的一种方法。针对传统遗传算法求解TSP问题的不足,提出了一种多种群自适应模拟退火遗传算法,并给出了多种群分级、混合变异算子的设计。最后,对CHN31、ATT48和EIL51的TSP问题进行求解．仿真结果表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。     

条形装箱问题的基于后缀表达式的混合遗传算法

装箱问题作为一种常见的运筹问题,在很多领域有着重要的应用,装箱问题可以分为一维、二维和三维装箱.主要讨论了二维装箱中条形装箱问题的遗传算法的求解,其中采用后缀表达式的形式对装箱方案进行编码,并详细提出了解码的算法和有关的证明,最后通过实例证明了该算法是可行的.     

基于自适应遗传算法的抽题组卷策略

为克服经典遗传算法求解智能组卷时存在的盲目搜索、收敛速度慢和个体易“早熟“等缺点,文章提出了基于动态自适应技术遗传算法。利用求解问题的特征改进经典遗传算法的多个关键部分,采用动态自适应技术,提高算法的寻优速度。实验结果表明,采用改进式的自适应遗传算法实现的组卷策略具有收敛速度快、搜索精度高、鲁棒性强等特点,具有很好的性能与实用性。     

矩形布局的启发式优化策略

利用可行域算法求解矩形布局问题,通过调整矩形布入形态,改变其单一的可行域形式增大其解空间。算例结果表明,矩形调整对布局结果影响有规律,利用可行域算法求解矩形布局问题,简便、快捷、灵活、适应性强,从而能够灵活快速地获得更优异的矩形布局排布方案指导工程实践。     

基于下降搜索的混合遗传算法求解装箱问题

研究一种在基本遗传算法中嵌入下降搜索算子形成的混合遗传算法。这种优化算法是在传统遗传算法的全局随机搜索基础上,借鉴利用每一代群体中最劣个体所包含的优化信息作为下降搜索方向来优化种群。实验证明,该混合算法可以加快算法的收敛速度,具有良好的优化性质和函数适应能力,是解决装箱问题的一种有效途径。     

基于下降搜索的混合遗传算法求解装箱问题

研究一种在基本遗传算法中嵌入下降搜索算子形成的混合遗传算法。这种优化算法是在传统遗传算法的全局随机搜索基础上,借鉴利用每一代群体中最劣个体所包含的优化信息作为下降搜索方向来优化种群。实验证明,该混合算法可以加快算法的收敛速度,具有良好的优化性质和函数适应能力,是解决装箱问题的一种有效途径。     

用综合试探法提高一维装箱问题的性能

提出了一种综合试探法来解决装箱问题，它能提高求解这类问题的性能，这种方法利用了一种称为下界方法(lower bound method)的策略，初始结果通过对偶问题的方法产生，用到了基于优势，差异，非平衡的负载重分布方法，同时引入了禁忌搜索算法以提高性能。     

基于自适应遗传算法的离散化方法

属性离散化是应用粗糙集理论的关键问题之一。本文将粗糙集理论和遗传算法二者相结合,提出了基于自适应遗传算法的属性离散化方法。该方法动态调整各个个体的交叉和变异概率,优化了个体被选择的概率。实验表明,它能够明显的改善全局寻优能力,并大大加快了收敛速度。     

基于分治法和分支限界法的大规模TSP算法

利用分治法能够处理大规模问题但精度较低,分支限界法能够得到精确解但时间复杂度很高的优点,设计一种有效的基于分治法和分支限界法的大规模TSP求解方法.该算法利用聚类和凸包技术将大规模问题逐层进行有效划分,直到适合分支限界法求解的最佳规模;然后用分支限界法求出每个子问题和每层子问题间的最优解,合并而得到整个问题的解.比较实验表明:该算法在求解质量、稳定性和时间效率上有明显优势.     

基于遗传算法求解TSP问题的算法设计

TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义.现提出一种求解TSP问题比较有效的遗传算法,从其数学模型、遗传算子、评估函数、种群多样性等方面对算法进行了分析,结果表明提出的算法在求解TSP问题上是有效的.     

遗传算法求解旅行商问题的一个新方法

提出了利用遗传算法求解TSP问题的一个新方法,该方法采用二进制编码,并巧妙地设计了一种解码算法,不仅可以使得种群进化,而且扩大了搜索的空间。实验表明,比起传统的遗传算法,新方法的性能有显著改善。